編輯｜冷貓

在外界感知中，騰訊在 AI 領域的動作更多被貼上穩健甚至克制的標簽。

但在 2025 年的尾聲，從人才引進到產品迭代再到組織變革，一系列密集信號的發出，也側面表明這個巨頭正在按下加速鍵。

12 月 17 日，機器之心報道證實，前 OpenAI 研究員、清華校友姚順雨（Vinces Yao）正式加入騰訊，出任「CEO / 總裁辦公室」首席 AI 科學家，并直接向騰訊總裁劉熾平匯報。

與此同時，騰訊宣布升級大模型研發架構，成立 AI Infra 部、AI Data 部及數據計算平臺部，全面強化研發體系。

除了人事與組織的變動，就在同一天，騰訊還發布并開源了國內首個可實時交互的混元世界模型 1.5（WorldPlay）。

視頻鏈接：https://mp.weixin.qq.com/s/fXXArR_Od6etZfBWjsbptQ

若將時間軸拉長，從混元 2.0 采用 MoE 架構實現推理效率領先，到混元 3D 模型下載量突破 300 萬，再到騰訊混元、騰訊優圖實驗室等系列模型、工具開源，騰訊在技術迭代、開源貢獻與人才密度上的提升顯而易見。

姚順雨曾在其博客中探討過 AI 發展的「下半場」邏輯，強調智能體與認知架構的重要性。如今，隨著這位在 ToT（思維樹）、ReAct 等領域做出突破性工作的青年科學家入局，并統管 AI Infra 與大語言模型兩大核心部門，騰訊 AI 的戰略路徑已經比較清晰：通過頂尖研究與扎實工程的深度咬合，為用戶打造真正好用的 AI

持續補強模型能力

上層應用的繁榮，很難離開底層基礎模型的支撐。

此次架構調整中，新成立的 AI Infra 部被置于關鍵位置，負責構建大模型分布式訓練、高性能推理服務等核心能力。

在模型層，騰訊混元此前一段時間已經展現出強勁的迭代能力。最新發布的混元 2.0 在復雜指令遵循和文本創作上表現國內領先；在 3D 生成領域，騰訊混元 3D 系列模型已成為全球最受歡迎的開源 3D 模型之一，社區下載量超過 300 萬，并推出混元 3D 3.0，將建模精度提升了 3 倍

姚順雨的加入，不僅帶來了算法層面的前沿視野，更關鍵的是他同時負責模型與 Infra。這種模型 + 基建的一體化管理，有助于加強算法研發與底層算力之間的互融，讓基礎設施更好地適應模型演進的需求，同時也讓模型訓練更高效地利用算力資源。

對于外界而言，這也讓混元大語言模型未來的進化速度與上限更值得期待。

模型與工程能力的深層協同

如果說騰訊混元大模型的持續進化是為了打造一顆更強勁的心臟，那么要讓 AI 真正跑通業務場景，還需要一套精密傳動的骨骼。

這也是騰訊 AI 工程化落地一直在努力的方向，通過從模型、工具到應用的完整布局，逐步填平模型突破與產業落地之間的鴻溝。

工程化能力首先反映在底層算力基礎設施的優化上。據悉，騰訊通過軟硬一體化策略，針對星脈網絡與高性能存儲進行專項調優，將模型訓練綜合性能提升了 30%。

同時，騰訊云將支撐大規模訓練的同源技術能力沉淀為 TI 平臺，核心解決模型訓不動、調不準的工程挑戰。這個平臺不僅支持算力潮汐調度，更實現了從數據處理到部署的全鏈路打通。無論是車企精調模型還是私有化部署，騰訊云TI 平臺都能提供標準化的工業級生產流水線，使大模型開發實現軟件工程式的標準可控。

在夯實好底座與開發線后，在模型組件方面，騰訊優圖實驗室也開源了系列小而美的模型能力，針對性解決大模型落地的工程痛點。同時，這些開源項目并非孤立的技術點，而是具備高協同性的技術棧，通過模塊化集成，能夠形成從組件到方案的體系化輸出。

騰訊似乎正在通過這類連續的開源動作，為加速智能體的落地盡可能掃除障礙、創造更多價值。

據機器之心獲悉，針對如何讓 AI 讀懂復雜文檔，騰訊優圖實驗室即將開源 Youtu-Parsing。它像一位經驗豐富的專家，看得清、理得順、認得準那些「雜亂無章」的非結構化數據。可針對輸入的復雜文檔，完成從全局到局部的精細化處理，既實現文檔整體布局的精準分析，又能針對性提取圖表、文本塊、數學公式、表格等關鍵元素，有效解決復雜排版文檔信息還原問題，為大模型提供高質量的數據。

針對「記不住」和「幻覺」等頑疾，他們此前又開源了 Youtu-embedding 和 Youtu-graphrag 組合。前者賦予 AI 在海量知識庫中精準定位的能力，后者則通過知識圖譜技術，將碎片化信息串聯成邏輯鏈條，相當于給 AI 裝上一張地圖，讓推理有據可依，顯著減少胡說八道的情況。

為了讓 AI 能夠突破對話框的限制、去執行更復雜的任務，騰訊優圖實驗室還開源了 Youtu-agent 框架。這個框架在設計之初就融入了「自我進化」的能力，可以根據自然語言的描述，自動創建任務所需的工具并配置相應的智能體。

該框架還設計了兩種強化學習優化方案來提升智能體的表現：一種優化了訓練 infra，讓開發者搭建的 Agent 都能端到端訓練；另一種無需額外訓練，通過引入練習經驗就可以讓 Agent 變強。

憑借這些技術，該框架在多項評測中都取得了出色成績。

在 WebWalkerQA 評測中，基于 DeepSeek-V3.1 達到 71.47% 的準確率，刷新開源效果 SOTA，同樣是使用開源模型 QwQ，不用訓練也能達到 SOTA 效果。

在 GAIA（文本子集）測試中，基于 DeepSeek-V3 的 Pass@1 指標達到 72.8%，無需依賴 Claude 或 GPT 等閉源模型，充分驗證了該框架強大的研究價值和應用潛力。

而這些模型工具，也在平臺層面的落地做了很好的承接。

今年年中，騰訊云便推出了智能體開發平臺（ADP）。依托騰訊混元大模型的底層能力以及優圖等前沿實驗室的算法能力，企業無需組建龐大的算法團隊，通過拖拉拽的「低代碼」甚至「無代碼」方式，就能在幾分鐘內構建出專屬的客服助手、數據分析師或代碼編寫助理。最新發布的版本支持對接第三方數據庫和工作流，并新增應用評測工具，進一步降低企業構建 AI 應用的門檻。

應用落地多點開花

技術加速的最終指向是價值創造。在「研究 + 工程」雙輪驅動下，騰訊的 AI 能力已在多個垂直領域實現規?；涞?/strong>

在金融領域，保險行業作為知識密集型和人力密集型的典型代表，AI 提效尤為顯著。東吳人壽依托騰訊云 ADP 構建公司級智能體開發平臺「東吳天樞」，打造了「東吳智腦問 +」、「蘇惠保智能快賠助手」等多個智能體。理賠處理時效從傳統人工審核的 3-5 天驟降至 3 分鐘以內，預計每年支撐上萬起理賠案件，大幅節省成本。

在傳媒領域，廣東廣播電視臺基于騰訊云 ADP 打造了「AI 內容服務平臺」，用于處理直播素材、輔助寫稿等工作。過去，記者編輯需要幾十分鐘才能剪完一條視頻，現在最快只需十分鐘，甚至幾分鐘。今年全運會期間，AI 累計輔助廣東臺生產了百余條爆款內容，整體效率提升 40%。

在企業營銷側，絕味食品基于騰訊云智能體開發平臺打造了營銷云 Agent，由智能體發起的活動內容點擊率比人工專家高出 40%，支付轉化率是人工組的 2.4 倍，交易金額更是達到 3.1 倍。

在能源與制造領域，面對電網設備分布廣、人工巡檢難的痛點，騰訊協助訓練的電力視覺大模型展現了高檢出率與泛化能力，有效適應不同電網場景，切實保障電力生產安全；在醫療健康領域，騰訊健康小程序里的 AI 健康管理助手，已能自動解讀體檢報告，深入解析異常指標，并為用戶制定個性化的健康管理計劃，讓醫療服務更具溫度。

從底層的架構變陣、人才引進，到平臺層的系列工具及開源組件串聯，再到上層的多場景落地，騰訊正在構建一個緊密咬合的 AI 飛輪。

當然，按下加速鍵并不意味著勝負已分

AI 是一場漫長的馬拉松已成為行業共識，而騰訊面臨的挑戰依然存在：如何在龐大的生態體量下保持敏捷？如何在工程化的確定性與前沿探索的不確定性之間找到動態平衡？

而這些，都需要時間給出答案。